a vlastních vektorů Příklad: Stanovte taková čísla λ, pro která má homogenní soustava Av = λv nenulové (A λ i I) v = 0.

Rozměr: px
Začít zobrazení ze stránky:

Download "a vlastních vektorů Příklad: Stanovte taková čísla λ, pro která má homogenní soustava Av = λv nenulové (A λ i I) v = 0."

Transkript

1 Výpočet vlastních čísel a vlastních vektorů S pojmem vlastního čísla jsme se již setkali například u iteračních metod pro řešení soustavy lineárních algebraických rovnic. Velikosti vlastních čísel iterační matice rozhodovaly o konvergenci příslušné iterační metody. S úlohou na vlastní čísla se setkáme i v aplikacích při řešení řady technických a fyzikálních problémů. Úlohu na vlastní čísla si připomeneme na příkladu. Příklad: Stanovte taková čísla λ, pro která má homogenní soustava Av = λv nenulové řešení, a určete toto řešení, kde matice 2 A = Řešíme tedy soustavu (A λi) v = 2 λ λ v v 2 v 3 = Aby homogenní soustava měla nenulové řešení, musí být determinant soustavy nulový. Hledáme proto taková λ, aby det(a λi) = λ 3 + 6λ 2 λ + 6 =. Dostali jsme algebraickou rovnici stupně 3 a pouze pro její kořeny = 3, λ 2 = 2, λ 3 = nazývané vlastní čísla matice A, bude mít uvažovaná soustava nenulové řešení. Ke každému vlastnímu číslu λ i můžeme najít nenulové řešení homogennísoustavy Např. pro = 3 řešíme soustavu (A λ i I) v =. 2 Matice soustavy je samozřejmě singulární a proto bude existovat celý systém řešení v závislosti na parametru r IR. Každý vektor, r, r] T řeší danou soustavu. Ze systému vybereme jednoho zástupce, např. v () =,, ] T, a říkáme, že v () je vlastní vektor odpovídající vlastnímu číslu. Podobně bychom nalezli vlastní vektory odpovídající vlastním číslům λ 2 a λ 3. v v 2 v 3 =..

2 Definice: Je dána čtvercová matice A řádu n. Vlastní čísla, λ 2,..., λ n jsou kořeny charakteristické rovnice p A (λ) = det(a λi) =. Ke každému vlastnímu číslu λ i existuje alespoň jedno nenulové řešení soustavy rovnic Av = λ i v. Toto řešení v nazveme vlastním vektorem. Poznámka: Charakteristický polynom je stupně n n vlastních čísel. Definice: Matici Λ = diag(, λ 2,..., λ n ) nazýváme spektrální maticí matice A. Poznámka: Vlastní čísla horní trojúhelníkové matice jsou rovna jejím diagonálním prvkům, neboť charakteristický polynom má tvar: p A (λ) = (a λ)(a 22 λ)... (a nn λ). Úlohy na nalezení vlastních čísel rozdělíme do dvou skupin: Úplný problém vl. čísel úloha najít všechna vlastní čísla Částečný problém vl. čísel úloha najít pouze některá vl. čísla (obvykle s nejmenší nebo největší abs. hodnotou). Příklad: Určete vlastní čísla a vlastní vektory těchto matic: A = C = , B =, D = ,. Řešení: Všechny zadané matice mají stejný charakteristický polynom p A (λ) = p B (λ) = p C (λ) = p D (λ) = (2 λ) 3, Vidíme, že λ = 2 je trojnásobné vl. číslo všech čtyř matic. 2

3 Vlastní vektory A: v () = (,, ) T v (2) = (,, ) T v (3) = (,, ) T B: v () = (,, ) T v (3) = (,, ) T Pozn.: B λi = C: v () = (,, ) T v (2) = (,, ) T Pozn.: matice A λi je nulová, tj. systém všech řešení rovnice A λi = je lin. kombinací v (), v (2), v (3). D: v () = (,, ) T Pozn.: D λi = Poznámka: Počet lineárně nezávislých vlastních vektorů může být menší než je řád matice. Věnujme se nejprve metodám na řešení úplného problému. Metody rozdělíme takto: ) metody založené na výpočtech vlastních čísel pomocí charakteristického polynomu Nevýhodné pro velká n (řád matice A), protože je obtížné vypočítat p A (λ) = det(a λi) z definice determinantu. 2) metody využívající podobnosti matic Tato kategorie metod využívá faktu, že podobné matice mají stejná vlastní čísla. Princip: konstruujeme posloupnost navzájem podobných matic, která konverguje k matici, jejíž vlastní čísla se dají jednoduchým způsobem určit. 3) smíšené metody založené na převodu obecné matice na matici třídiagonální (např. Givensova, Householderova a Lanczosova metoda) a následný efektivní výpočet kořenů charakteristického polynomu této upravené matice. 3

4 Metoda LU-rozkladu (LR-transformace, LR-algoritmus) A = LU... rozklad matice A na dolní trojúhelníkovou matici L a horní trojúhelníkovou matici U, kde na diagonále matice L jsou pro jednoznačnost rokladu jednotky. Sestrojíme matici B, která bude podobná matici A. B = UL (U = L A B = UL = L AL). Postup: Sestrojíme posloupnost matic A k : (i) A = A, k = (ii) provedeme LU rozklad matice A k = L k U k (iii) sestrojíme matici A k+ = U k L k (iv) je-li matice A k+ horní trojúhelníková konec, jinak k = k + a jdi na (ii) Poznámka: Dá se ukázat, že když matice B k = L L... L k konvergují k regulární matici, potom matice A k také konvergují, a to k horní trojúhelníkové matici s vlastními čísly na diagonále. Platí A k+ = L k A k L k U k a tedy A k+ = L k L k... L A L L... L } {{ k } B B k+ k+ Poznámka: Je-li matice A symetrická a pozitivně definitní, provádíme LU-rozklad ve smyslu Choleského rozkladu, tj. A = LL T. Potom lze ukázat, že A k konverguje k diagonální matici. Nevýhody: - pomalá konvergence posloupnosti A k - velký počet operací pro matice větších řádů - nelze realizovat pro obecné matice A Poznámka: Jestliže pro dostatečně velké k je A k horní trojúhelníková matice, potom vlastní vektory jsou (přibližně) sloupce matice B k = L L... L k. 4

5 Metody ortogonálních transformací Použijeme podobný princip jako v předchozím případě, tj. sestrojíme posloupnost podobných matic A, A, A 2... tak, že A k+ = Q T k A k Q k, k =,, Požadujeme, aby posloupnost A k konvergovala k matici, jejíž vlastní čísla lehce určíme. Ortogonální matici Q k vybíráme speciálním postupem. Výhodou tohoto algoritmu je numerická stabilita. Poznámka: Pro obecnou matici používáme metodu QU-rozkladu (QR-transformace). A = QU Q... ortogonální matice (QQ T = I, tj. Q T = Q ) B = UQ U... horní trojúhelníková matice (U = Q A B = Q AQ B = Q T AQ). Motivační příklad: Příkladem ortogonální matice je matice rovinné rotace o úhel α: ] cos α sin α Q(α) = sin α cos α ozn = ] c s. s c Pro matici A = 2 3 ] stanovte matici B = Q T (α)aq(α) tak, aby b 2 =. Řešení: Rozepíšeme si prvky matice B: b b 2 b 2 b 22 ] = c s ] s c 2 3 ] ] c s = s c ] ] 2c + s c + 3s c s = = 2s + c s + 3c s c 2c = 2 + cs + cs + 3s 2 2cs s 2 + c 2 ] + 3cs 2cs + c 2 s 2 + 3cs 2s 2 cs cs + 3c 2. Pro splnění podmínky b 2 = musí platit 2cs s 2 + c 2 + 3cs = cs s 2 + c 2 =, 5

6 tj. cos } α{{ sin α} sin 2 α + cos 2 α =. 2 sin 2α + cos 2α cos 2α = sin 2α 2 2 = tan 2α α =., 5535 Po dosazení dostaneme, že B = 3, 68, 389 ]. B je diagonální matice s vlastními čísly na diagonále a stejná vlastní čísla má i matice A. Poznámka: Podobně jako v předchozí metodě, pro dostatečně velké k je A k horní trojúhelníková matice a vlastní vektory jsou (přibližně) sloupce matice Q Q... Q k. Poznámka: Pro symetrickou matici A vede uvedený postup na tzv. metodu Jacobiovy diagonalizace. 6

7 Speciální případ QR-transformace Jacobiova diagonalizace Věta: Je-li A reálná symetrická matice, potom existuje ortogonální matice Q tak, že Q T AQ = Λ (diagonální matice s vlastními čísly na diagonále spektrální matice). Princip: Matici Q získáme součinem matic Q p,q (α), kde Q p,q (α) =... cos α sin α sin α cos α... p-tý řádek q-tý řádek p-tý sloupec q-tý sloupec a α volíme tak, abychom vynulovali prvek v pozici p, q a tedy i v pozici q, p. Q = p,q Q p,q (α) postupně vynulujeme všechny nediagonální prvky. Poznámka: Při výpočtech nemusíme určovat úhel α, ale lze odvodit přímé vzorce. Poznámka: Zbývá zvolit strategii na volbu indexů p a q. Nejjednodušší je postupně nulovat všechny mimodiagonální prvky (podobně jako v Gaussově eliminační metodě pro řešení soustavy lineárních rovnic). Uvědomme si ale, že se získané nuly z předchozího kroku obecně nezachovají. Další možností je nulovat vždy mimodiagonální prvek, který je největší v absolutní hodnotě (zde je třeba v každé iteraci vyhledat tento prvek, což zpomalí výpočet). Iterační proces zastavíme, je-li norma trojúhelníkové matice pod diagonálou menší než zadaná tolerance. 7

8 Pro řešení Částečného problému si uvedeme dvě metody. Mocninná metoda Chceme určit vl. číslo matice A s největší absolutní hodnotou (dominantní vlastní číslo). Předpoklady:. A má n-lineárně nezávislých vlastních vektorů 2. existuje jediné dominantní vlastní číslo 3. vlastní čísla lze seřadit: > λ 2 λ 3... λ n. Odvození:. Zvolíme y () jako lin. kombinaci vl. vektorů y () = α v + α 2 v α n v n. 2. Sestrojíme posloupnost y (k) = Ay (k ), tj. y (k) = A k y (). y (k) = α A k v + α 2 A k v α n A k v n. 3. Platí: Av i = λ i v i, potom y (k) = α λ k v + α 2 λ k }{{} 2v α n λ k nv n. dominantní vl. číslo (vytkneme) 4. dostaneme: y (k) = λ k α v + k λi α i v i ε k ]. 5. analogicky pro y (k+) 6. vybereme j-tou složku y (k) a y (k+), vydělíme je a provedeme limitní přechod y (k+) j lim k y (k) j = lim k λ k+ (α v,j + ε k+,j ) λ k (α v,j + ε k,j ) }{{} = 8

9 Příklad: Mocninnou metodou stanovte dominantní vlastní číslo matice A, kde A = a y () =,, ] T. Řešení: Použijeme iterační formuli y (k+) = Ay (k), pro k =,,... y () = 2; 3; 2] T λ () = y() 2 y () 2 = 3, y (2) = 5; 7; 5] T λ (2) = 7 3 2, 3333, y (3) = 2; 7; 2] T λ (3) = 7 7 2, 4285, y (4) = 29; 4; 29] T λ (4) = 4 7 2, 47, y (5) = 7; 99; 7] T λ (5) = , 446. Poznámka: Zastavovací podmínka použijeme ve tvaru λ (k+) λ (k) < δ. Poznámka: Nejlepší aproximaci dostaneme, dělíme-li složky, které mají největší absolutní hodnotu. Poznámka: Abychom zamezili přetečení, resp. podtečení při zobrazení čísel v počítači je vhodné v každém kroku normovat vektor y (k) (norma y (k) roste, resp. klesá pro vlastní číslo v absolutní hodnotě větší, resp. menší než ). Poznámka: Nevýhody mocninné metody: - odhad chyby - konvergence (obvykle v praxi nevíme, zda jsou splněny předpoklady mocninné metody) - volba y () (bude-li vektor y () takovou lineární kombinací vlastních vektorů, že koeficient u vlastního vektoru odpovídajícího dominantnímu vlastnímu číslu bude roven, potom mocninná metoda nevypočte dominantní vlastní číslo) 9

10 Metoda Rayleighova podílu Pro použití metody Rayleighova podílu budeme navíc předpokládat, že matice A je symetrická (reálná). Potom musí být vlastní vektory ortonormální, tj. ( v T i v j = pro i j a v T i v i = ). Odvození: 6. krok z odvození mocninné metody nahradíme vyjádřením součinu y (k)t y (k) y (k)t y (k) = λ k a součinu y (k)t y (k+)t y (k)t y (k+) = λ k Dostáváme: α v T + α v T + y (k)t Ay (k) lim k y (k)t y (k) ε T k k ] λi α i v T i. λ k α v + 2k ] = λ 2k α 2 + αi 2 λi ε T k ε k ε T k k ] λi α i v T i. λ k+ α v + 2k+ ] = λ 2k+ α 2 + αi 2 λi ε T k ε k+ = lim k y (k)t y (k+) y (k)t y (k) = λ2k+ λ 2k ε k k ] λi α i v i = ε k+ k+ ] λi α i v i = ε T k ε k+ ) (α 2 + (α 2 + ε T k ε k ) =. Poznámka: Součin ε T k ε k konverguje k nule (pro k ) zhruba dvakrát rychleji než ε k k nulovému vektoru metoda Rayleighova podílu bude rychlejší než mocninná metoda.

11 Příklad: Metodou Rayleighova podílu určete dominantní vlastní číslo matice A, kde A = a y () = ; ; ] T. Řešení: y () = 2; 3; 2] T λ () = y()t y () y ()T y () = 7 3 y (2) = 5; 7; 5] T λ (2) = 4 7 2, 47, 2, 3333, y (3) = 2; 7; 2] T λ (3) = = , 447.

VYBRANÉ PARTIE Z NUMERICKÉ MATEMATIKY

VYBRANÉ PARTIE Z NUMERICKÉ MATEMATIKY VYBRANÉ PARTIE Z NUMERICKÉ MATEMATIKY Jan Krejčí 31. srpna 2006 jkrejci@physics.ujep.cz http://physics.ujep.cz/~jkrejci Obsah 1 Přímé metody řešení soustav lineárních rovnic 3 1.1 Gaussova eliminace...............................

Více

Připomenutí co je to soustava lineárních rovnic

Připomenutí co je to soustava lineárních rovnic Připomenutí co je to soustava lineárních rovnic Příklad 2x 3y + z = 5 3x + 5y + 2z = 4 x + 2y z = 1 Soustava lineárních rovnic obecně Maticový tvar: a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a

Více

Co je obsahem numerických metod?

Co je obsahem numerických metod? Numerické metody Úvod Úvod Co je obsahem numerických metod? Numerické metody slouží k přibližnému výpočtu věcí, které se přesně vypočítat bud nedají vůbec, nebo by byl výpočet neúměrně pracný. Obsahem

Více

Soustavy lineárních rovnic-numerické řešení. October 2, 2008

Soustavy lineárních rovnic-numerické řešení. October 2, 2008 Soustavy lineárních rovnic-numerické řešení October 2, 2008 (Systém lin. rovnic) Systém rovnic a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a 2n x n = b 2... a n1 x 1 + a n2 x 2 + + a

Více

Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat

Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat Čtvercová matice n n, např. může reprezentovat: A = A A 2 A 3 A 2 A 22 A 23 A 3 A 32 A 33 matici koeficientů soustavy n lineárních

Více

Soustavy lineárních rovnic-numerické řešení

Soustavy lineárních rovnic-numerické řešení Soustavy lineárních rovnic-numerické řešení November 9, 2008 Soustavy lineárních rovnic-numerické řešení 1 / 52 (Systém lin. rovnic) Systém rovnic a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22

Více

Numerické metody a programování

Numerické metody a programování Projekt: Inovace výuky optiky se zaměřením na získání experimentálních dovedností Registrační číslo: CZ.1.7/2.2./28.157 Numerické metody a programování Lekce 4 Tento projekt je spolufinancován Evropským

Více

2.6. VLASTNÍ ČÍSLA A VEKTORY MATIC

2.6. VLASTNÍ ČÍSLA A VEKTORY MATIC .6. VLASTNÍ ČÍSLA A VEKTORY MATIC V této kapitole se dozvíte: jak jsou definována vlastní (charakteristická) čísla a vektory čtvercové matice; co je to charakteristická matice a charakteristický polynom

Více

Numerické metody lineární algebry

Numerické metody lineární algebry Numerické metody lineární algebry 1 Úvod 11 Úlohy lineární algebry 1 Řešení soustav lineárních rovnic A x = b Řešení soustavy s regulární čtvercovou maticí A řádu n n pro jednu nebo více pravých stran

Více

Maticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru:

Maticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru: 3 Maticový počet 3.1 Zavedení pojmu matice Maticí typu (m, n, kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru: a 11 a 12... a 1k... a 1n a 21 a 22...

Více

Vlastní čísla a vlastní vektory

Vlastní čísla a vlastní vektory Kapitola 11 Vlastní čísla a vlastní vektory Základní motivace pro studium vlastních čísel a vektorů pochází z teorie řešení diferenciálních rovnic Tato teorie říká, že obecné řešení lineární diferenciální

Více

Iterační metody řešení soustav lineárních rovnic. 27. prosince 2011

Iterační metody řešení soustav lineárních rovnic. 27. prosince 2011 Iterační metody řešení soustav lineárních rovnic Michal Čihák 27. prosince 2011 Přímé metody řešení soustav lineárních rovnic V přednáškách z lineární algebry jste se seznámili s několika metodami řešení

Více

stránkách přednášejícího.

stránkách přednášejícího. Předmět: MA 4 Dnešní látka Iterační metoda Jacobiova iterační metoda Gaussova-Seidelova iterační metoda Superrelaxační metoda (metoda SOR) Metoda sdružených gradientů Četba: Text o lineární algebře v Příručce

Více

Numerické metody lineární algebry

Numerické metody lineární algebry Numerické metody lineární algebry 1 Úvod 11 Úlohy lineární algebry 1 Řešení soustav lineárních rovnic A x = b Řešení soustavy s regulární čtvercovou maticí A řádu n n pro 1 nebo více pravých stran Výpočet

Více

Úlohy nejmenších čtverců

Úlohy nejmenších čtverců Úlohy nejmenších čtverců Petr Tichý 7. listopadu 2012 1 Problémy nejmenších čtverců Ax b Řešení Ax = b nemusí existovat, a pokud existuje, nemusí být jednoznačné. Často má smysl hledat x tak, že Ax b.

Více

Vlastní číslo, vektor

Vlastní číslo, vektor [1] Vlastní číslo, vektor motivace: směr přímky, kterou lin. transformace nezmění invariantní podprostory charakteristický polynom báze, vzhledem ke které je matice transformace nejjednodušší podobnost

Více

Učební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty. študenti MFF 15. augusta 2008

Učební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty. študenti MFF 15. augusta 2008 Učební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty študenti MFF 15. augusta 2008 1 14 Vlastní čísla a vlastní hodnoty Požadavky Vlastní čísla a vlastní hodnoty lineárního

Více

Numerické řešení soustav lineárních rovnic

Numerické řešení soustav lineárních rovnic Numerické řešení soustav lineárních rovnic irko Navara Centrum strojového vnímání, katedra kybernetiky elektrotechnická fakulta ČVUT, Praha http://cmpfelkcvutcz/~navara 30 11 2016 Úloha: Hledáme řešení

Více

[1] Motivace. p = {t u ; t R}, A(p) = {A(t u ); t R} = {t A( u ); t R}

[1] Motivace. p = {t u ; t R}, A(p) = {A(t u ); t R} = {t A( u ); t R} Vlastní číslo, vektor motivace: směr přímky, kterou lin. transformace nezmění invariantní podprostory charakteristický polynom báze, vzhledem ke které je matice transformace nejjednodušší podobnost s diagonální

Více

MATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij]

MATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij] MATICE Matice typu m/n nad tělesem T je soubor m n prvků z tělesa T uspořádaných do m řádků a n sloupců: a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij] a m1 a m2 a mn Prvek a i,j je prvek matice A na místě

Více

Symetrické a kvadratické formy

Symetrické a kvadratické formy Symetrické a kvadratické formy Aplikace: klasifikace kvadrik(r 2 ) a kvadratických ploch(r 3 ), optimalizace(mpi) BI-LIN (Symetrické a kvadratické formy) 1 / 20 V celé přednášce uvažujeme číselné těleso

Více

1 Linearní prostory nad komplexními čísly

1 Linearní prostory nad komplexními čísly 1 Linearní prostory nad komplexními čísly V této přednášce budeme hledat kořeny polynomů, které se dále budou moci vyskytovat jako složky vektorů nebo matic Vzhledem k tomu, že kořeny polynomu (i reálného)

Více

8 Matice a determinanty

8 Matice a determinanty M Rokyta, MFF UK: Aplikovaná matematika II kap 8: Matice a determinanty 1 8 Matice a determinanty 81 Matice - definice a základní vlastnosti Definice Reálnou resp komplexní maticí A typu m n nazveme obdélníkovou

Více

1 Vektorové prostory.

1 Vektorové prostory. 1 Vektorové prostory DefiniceMnožinu V, jejíž prvky budeme označovat a, b, c, z, budeme nazývat vektorovým prostorem právě tehdy, když budou splněny následující podmínky: 1 Je dáno zobrazení V V V, které

Více

Matematika I A ukázkový test 1 pro 2014/2015

Matematika I A ukázkový test 1 pro 2014/2015 Matematika I A ukázkový test 1 pro 2014/2015 1. Je dána soustava rovnic s parametrem a R x y + z = 1 x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a a) Napište Frobeniovu větu (existence i počet řešení). b)

Více

a počtem sloupců druhé matice. Spočítejme součin A.B. Označme matici A.B = M, pro její prvky platí:

a počtem sloupců druhé matice. Spočítejme součin A.B. Označme matici A.B = M, pro její prvky platí: Řešené příklady z lineární algebry - část 1 Typové příklady s řešením Příklady jsou určeny především k zopakování látky před zkouškou, jsou proto řešeny se znalostmi učiva celého semestru. Tento fakt se

Více

z = a bi. z + v = (a + bi) + (c + di) = (a + c) + (b + d)i. z v = (a + bi) (c + di) = (a c) + (b d)i. z v = (a + bi) (c + di) = (ac bd) + (bc + ad)i.

z = a bi. z + v = (a + bi) + (c + di) = (a + c) + (b + d)i. z v = (a + bi) (c + di) = (a c) + (b d)i. z v = (a + bi) (c + di) = (ac bd) + (bc + ad)i. KOMLEXNÍ ČÍSLA C = {a + bi; a, b R}, kde i 2 = 1 Číslo komplexně sdružené k z = a + bi je číslo z = a bi. Operace s komplexními čísly: z = a + bi, kde a, b R v = c + di, kde c, d R Sčítání Odčítání Násobení

Více

(u, v) u. v. cos φ =

(u, v) u. v. cos φ = LA 3. cvičení Ortogonalita, Gramm-Schmitův ortonormalizační proces Lukáš Pospíšil, Martin Hasal,2 Ortogonální systém vektorů Poznámka: Motivace - připomeňme si Kosinovu větu v obecném tvaru kde φ je úhel

Více

Matematika 1 MA1. 2 Determinant. 3 Adjungovaná matice. 4 Cramerovo pravidlo. 11. přednáška ( ) Matematika 1 1 / 29

Matematika 1 MA1. 2 Determinant. 3 Adjungovaná matice. 4 Cramerovo pravidlo. 11. přednáška ( ) Matematika 1 1 / 29 Matematika 1 11. přednáška MA1 1 Opakování 2 Determinant 3 Adjungovaná matice 4 Cramerovo pravidlo 5 Vlastní čísla a vlastní vektory matic 6 Zkouška; konzultace; výběrová matematika;... 11. přednáška (15.12.2010

Více

Základy matematiky pro FEK

Základy matematiky pro FEK Základy matematiky pro FEK 2. přednáška Blanka Šedivá KMA zimní semestr 2016/2017 Blanka Šedivá (KMA) Základy matematiky pro FEK zimní semestr 2016/2017 1 / 20 Co nás dneska čeká... Závislé a nezávislé

Více

Četba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího).

Četba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího). Předmět: MA 4 Dnešní látka Lineární (vektorový) prostor Normovaný lineární prostor Normy matic a vektorů Symetrické matice, pozitivně definitní matice Gaussova eliminační metoda, podmíněnost matic Četba:

Více

1 Mnohočleny a algebraické rovnice

1 Mnohočleny a algebraické rovnice 1 Mnohočleny a algebraické rovnice 1.1 Pojem mnohočlenu (polynomu) Připomeňme, že výrazům typu a 2 x 2 + a 1 x + a 0 říkáme kvadratický trojčlen, když a 2 0. Číslům a 0, a 1, a 2 říkáme koeficienty a písmenem

Více

Numerická matematika Banka řešených příkladů

Numerická matematika Banka řešených příkladů Numerická matematika Banka řešených příkladů Radek Kučera, Pavel Ludvík, Zuzana Morávková Katedra matematiky a deskriptivní geometrie Vysoká škola báňská Technická Univerzita Ostrava K D M G ISBN 978-80-48-894-6

Více

Soustavy. Terminologie. Dva pohledy na soustavu lin. rovnic. Definice: Necht A = (a i,j ) R m,n je matice, b R m,1 je jednosloupcová.

Soustavy. Terminologie. Dva pohledy na soustavu lin. rovnic. Definice: Necht A = (a i,j ) R m,n je matice, b R m,1 je jednosloupcová. [1] Terminologie [2] Soustavy lineárních rovnic vlastnosti množin řešení metody hledání řešení nejednoznačnost zápisu řešení Definice: Necht A = (a i,j ) R m,n je matice, b R m,1 je jednosloupcová matice.

Více

Soustava m lineárních rovnic o n neznámých je systém

Soustava m lineárních rovnic o n neznámých je systém 1 1.2. Soustavy lineárních rovnic Soustava lineárních rovnic Soustava m lineárních rovnic o n neznámých je systém a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2...

Více

Cvičení z Numerických metod I - 12.týden

Cvičení z Numerických metod I - 12.týden Máme systém lineárních rovnic Cvičení z Numerických metod I - týden Přímé metody řešení systému lineárních rovnic Ax = b, A = a a n a n a nn Budeme hledat přesné řešení soustavy x = x x n, b = b b n, x

Více

2. Schurova věta. Petr Tichý. 3. října 2012

2. Schurova věta. Petr Tichý. 3. října 2012 2. Schurova věta Petr Tichý 3. října 2012 1 Podobnostní transformace a výpočet vlastních čísel Obecný princip: Úloha: Řešíme-li matematickou úlohu, je často velmi vhodné hledat její ekvivalentní formulaci

Více

Determinanty. Obsah. Aplikovaná matematika I. Pierre Simon de Laplace. Definice determinantu. Laplaceův rozvoj Vlastnosti determinantu.

Determinanty. Obsah. Aplikovaná matematika I. Pierre Simon de Laplace. Definice determinantu. Laplaceův rozvoj Vlastnosti determinantu. Determinanty Aplikovaná matematika I Dana Říhová Mendelu Brno Obsah 1 Determinanty Definice determinantu Sarrusovo a křížové pravidlo Laplaceův rozvoj Vlastnosti determinantu Výpočet determinantů 2 Inverzní

Více

11 Analýza hlavních komponet

11 Analýza hlavních komponet 11 Analýza hlavních komponet Tato úloha provádí transformaci měřených dat na menší počet tzv. fiktivních dat tak, aby většina informace obsažená v původních datech zůstala zachována. Jedná se tedy o úlohu

Více

[1] LU rozklad A = L U

[1] LU rozklad A = L U [1] LU rozklad A = L U někdy je třeba prohodit sloupce/řádky a) lurozklad, 8, b) P. Olšák, FEL ČVUT, c) P. Olšák 2010, d) BI-LIN, e) L, f) 2009/2010, g)l. Viz p. d. 4/2010 Terminologie BI-LIN, lurozklad,

Více

2. Určete jádro KerL zobrazení L, tj. nalezněte alespoň jednu jeho bázi a určete jeho dimenzi.

2. Určete jádro KerL zobrazení L, tj. nalezněte alespoň jednu jeho bázi a určete jeho dimenzi. Řešené příklady z lineární algebry - část 3 Typové příklady s řešením Příklad 3.1: Zobrazení L: P 3 R 23 je zobrazení z prostoru P 3 všech polynomů do stupně 3 (včetně nulového polynomu) do prostoru R

Více

Matematika B101MA1, B101MA2

Matematika B101MA1, B101MA2 Matematika B101MA1, B101MA2 Zařazení předmětu: povinný předmět 1.ročníku bc studia 2 semestry Rozsah předmětu: prezenční studium 2 + 2 kombinované studium 16 + 0 / semestr Zakončení předmětu: ZS zápočet

Více

Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague

Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague spektra e Tomáš Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague 1 / 70 spektra e 1 2 3 spektra e Hessenbergovy 4 2 / 70 - aplikace (eigenvalues and eigenvectors)

Více

Kapitola 11: Vektory a matice:

Kapitola 11: Vektory a matice: Kapitola 11: Vektory a matice: Prostor R n R n = {(x 1,, x n ) x i R, i = 1,, n}, n N x = (x 1,, x n ) R n se nazývá vektor x i je i-tá souřadnice vektoru x rovnost vektorů: x = y i = 1,, n : x i = y i

Více

2.6. Vlastní čísla a vlastní vektory matice

2.6. Vlastní čísla a vlastní vektory matice 26 Cíle V této části se budeme zabývat hledáním čísla λ které je řešením rovnice A x = λ x (1) kde A je matice řádu n Znalost řešení takové rovnice má řadu aplikací nejen v matematice Definice 261 Nechť

Více

Soustavy lineárních diferenciálních rovnic I. řádu s konstantními koeficienty

Soustavy lineárních diferenciálních rovnic I. řádu s konstantními koeficienty Soustavy lineárních diferenciálních rovnic I řádu s konstantními koeficienty Definice a) Soustava tvaru x = ax + a y + az + f() t y = ax + a y + az + f () t z = a x + a y + a z + f () t se nazývá soustava

Více

Moderní numerické metody

Moderní numerické metody Moderní numerické metody Sbírka příkladů doc. RNDr. Jaromír Baštinec, CSc. RNDr. Michal Novák, Ph.D. ÚSTAV MATEMATIKY Moderní numerické metody 1 Obsah 1 Soustavy lineárních rovnic 7 2 Řešení jedné nelineární

Více

1 Determinanty a inverzní matice

1 Determinanty a inverzní matice Determinanty a inverzní matice Definice Necht A = (a ij ) je matice typu (n, n), n 2 Subdeterminantem A ij matice A příslušným pozici (i, j) nazýváme determinant matice, která vznikne z A vypuštěním i-tého

Více

Matematika pro chemické inženýry

Matematika pro chemické inženýry Matematika pro chemické inženýry Drahoslava Janovská Lineární algebra Přednášky ZS 2016-2017 Sponzorováno grantem VŠCHT Praha, PIGA 413-17-6642, 2016 Povinná látka. Bude v písemkách a bude se zkoušet při

Více

P 1 = P 1 1 = P 1, P 1 2 =

P 1 = P 1 1 = P 1, P 1 2 = 1 Výpočet inverzní matice Věta 1 Necht P U elementární matice vzniklá el úpravou U Pak je P U regulární Důkaz: Protože elementární úprava U je invertovatelná, existuje el úprava U, která vrací změny U

Více

1 Mnohočleny a algebraické rovnice

1 Mnohočleny a algebraické rovnice 1 Mnohočleny a algebraické rovnice 1.1 Pojem mnohočlenu (polynomu) Připomeňme, že výrazům typu a 2 x 2 + a 1 x + a 0 říkáme kvadratický trojčlen, když a 2 0. Číslům a 0, a 1, a 2 říkáme koeficienty a písmenem

Více

SOUSTAVY LINEÁRNÍCH ALGEBRAICKÝCH ROVNIC

SOUSTAVY LINEÁRNÍCH ALGEBRAICKÝCH ROVNIC SOUSTAVY LINEÁRNÍCH ALGEBRAICKÝCH ROVNIC Pojmy: Algebraická rovnice... rovnice obsahující pouze celé nezáporné mocniny neznámé x, tj. a n x n + a n 1 x n 1 +... + a x + a 1 x + a 0 = 0, kde n je přirozené

Více

19 Hilbertovy prostory

19 Hilbertovy prostory M. Rokyta, MFF UK: Aplikovaná matematika III kap. 19: Hilbertovy prostory 34 19 Hilbertovy prostory 19.1 Úvod, základní pojmy Poznámka (připomenutí). Necht (X,(, )) je vektorový prostor se skalárním součinem

Více

DEFINICE Z LINEÁRNÍ ALGEBRY

DEFINICE Z LINEÁRNÍ ALGEBRY DEFINICE Z LINEÁRNÍ ALGEBRY Skripta Matematické metody pro statistiku a operační výzkum (Nešetřilová, H., Šařecová, P., 2009). 1. definice Vektorovým prostorem rozumíme neprázdnou množinu prvků V, na které

Více

4. Trojúhelníkový rozklad p. 1/20

4. Trojúhelníkový rozklad p. 1/20 4. Trojúhelníkový rozklad 4. Trojúhelníkový rozklad p. 1/20 4. Trojúhelníkový rozklad p. 2/20 Trojúhelníkový rozklad 1. Permutační matice 2. Trojúhelníkové matice 3. Trojúhelníkový (LU) rozklad 4. Výpočet

Více

Kapitola 11: Vektory a matice 1/19

Kapitola 11: Vektory a matice 1/19 Kapitola 11: Vektory a matice 1/19 2/19 Prostor R n R n = {(x 1,..., x n ) x i R, i = 1,..., n}, n N x = (x 1,..., x n ) R n se nazývá vektor x i je i-tá souřadnice vektoru x rovnost vektorů: x = y i =

Více

Soustavy lineárních rovnic a determinanty

Soustavy lineárních rovnic a determinanty Soustavy lineárních rovnic a determinanty Petr Hasil Přednáška z matematiky Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipĺıny

Více

Numerická matematika 1

Numerická matematika 1 Numerická matematika 1 Obsah 1 Řešení nelineárních rovnic 3 1.1 Metoda půlení intervalu....................... 3 1.2 Metoda jednoduché iterace..................... 4 1.3 Newtonova metoda..........................

Více

Učební texty k státní bakalářské zkoušce Matematika Skalární součin. študenti MFF 15. augusta 2008

Učební texty k státní bakalářské zkoušce Matematika Skalární součin. študenti MFF 15. augusta 2008 Učební texty k státní bakalářské zkoušce Matematika Skalární součin študenti MFF 15. augusta 2008 1 10 Skalární součin Požadavky Vlastnosti v reálném i komplexním případě Norma Cauchy-Schwarzova nerovnost

Více

Singulární rozklad. Petr Tichý. 31. října 2013

Singulární rozklad. Petr Tichý. 31. října 2013 Singulární rozklad Petr Tichý 31. října 2013 1 Outline 1 Úvod a motivace 2 Zavedení singulárního rozkladu a jeho vlastnosti 3 Výpočet a náklady na výpočet singulárního rozkladu 4 Moor-Penroseova pseudoinverze

Více

Matice. Modifikace matic eliminační metodou. α A = α a 2,1, α a 2,2,..., α a 2,n α a m,1, α a m,2,..., α a m,n

Matice. Modifikace matic eliminační metodou. α A = α a 2,1, α a 2,2,..., α a 2,n α a m,1, α a m,2,..., α a m,n [1] Základní pojmy [2] Matice mezi sebou sčítáme a násobíme konstantou (lineární prostor) měníme je na jiné matice eliminační metodou násobíme je mezi sebou... Matice je tabulka čísel s konečným počtem

Více

Lineární algebra : Vlastní čísla, vektory a diagonalizace

Lineární algebra : Vlastní čísla, vektory a diagonalizace Lineární algebra : Vlastní čísla, vektory a diagonalizace (14. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 21. dubna 2014, 19:37 1 2 14.1 Vlastní čísla a vlastní vektory Nechť je

Více

Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava

Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava Lineární algebra 9. přednáška: Ortogonalita Dalibor Lukáš Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava email: dalibor.lukas@vsb.cz http://www.am.vsb.cz/lukas/la Text byl vytvořen

Více

2D transformací. červen Odvození transformačního klíče vybraných 2D transformací Metody vyrovnání... 2

2D transformací. červen Odvození transformačního klíče vybraných 2D transformací Metody vyrovnání... 2 Výpočet transformačních koeficinetů vybraných 2D transformací Jan Ježek červen 2008 Obsah Odvození transformačního klíče vybraných 2D transformací 2 Meto vyrovnání 2 2 Obecné vyjádření lineárních 2D transformací

Více

1. Jordanův kanonický tvar

1. Jordanův kanonický tvar . Jordanův kanonický tvar Obecně nelze pro zadaný lineární operátor ϕ : U U najít bázi α takovou, že (ϕ) α,α by byla diagonální. Obecně však platí, že pro každý lineární operátor ϕ : U U nad komplexními

Více

1 Modelování systémů 2. řádu

1 Modelování systémů 2. řádu OBSAH Obsah 1 Modelování systémů 2. řádu 1 2 Řešení diferenciální rovnice 3 3 Ukázka řešení č. 1 9 4 Ukázka řešení č. 2 11 5 Ukázka řešení č. 3 12 6 Ukázka řešení č. 4 14 7 Ukázka řešení č. 5 16 8 Ukázka

Více

příkladů do cvičení. V textu se objeví i pár detailů, které jsem nestihl (na které jsem zapomněl) a(b u) = (ab) u, u + ( u) = 0 = ( u) + u.

příkladů do cvičení. V textu se objeví i pár detailů, které jsem nestihl (na které jsem zapomněl) a(b u) = (ab) u, u + ( u) = 0 = ( u) + u. Několik řešených příkladů do Matematiky Vektory V tomto textu je spočteno několik ukázkových příkladů které vám snad pomohou při řešení příkladů do cvičení. V textu se objeví i pár detailů které jsem nestihl

Více

České vysoké učení technické v Praze Fakulta jaderná a fyzikálně inženýrská OKRUHY. ke státním závěrečným zkouškám BAKALÁŘSKÉ STUDIUM

České vysoké učení technické v Praze Fakulta jaderná a fyzikálně inženýrská OKRUHY. ke státním závěrečným zkouškám BAKALÁŘSKÉ STUDIUM OKRUHY ke státním závěrečným zkouškám BAKALÁŘSKÉ STUDIUM Obor: Studijní program: Aplikace přírodních věd 1. Vektorový prostor R n 2. Podprostory 3. Lineární zobrazení 4. Matice 5. Soustavy lineárních rovnic

Více

MASARYKOVA UNIVERZITA. Rozklady matic

MASARYKOVA UNIVERZITA. Rozklady matic MASARYKOVA UNIVERZITA Přírodovědecká fakulta Rozklady matic Bakalářská práce Brno 8 Antonín Tulach PODĚKOVÁNÍ Chtěl bych poděkovat RNDr. Martinovi Tajovskému za vedení bakalářské práce, cenné rady a připomínky

Více

Vlastní (charakteristická) čísla a vlastní (charakteristické) Pro zadanou čtvercovou matici A budeme řešit maticovou

Vlastní (charakteristická) čísla a vlastní (charakteristické) Pro zadanou čtvercovou matici A budeme řešit maticovou 1 Vlastní (charakteristická) čísla a vlastní (charakteristické) vektory matice Pro zadanou čtvercovou matici A budeme řešit maticovou rovnici A x = λ x, kde x je neznámá matice o jednom sloupci (sloupcový

Více

ftp://math.feld.cvut.cz/pub/olsak/linal/

ftp://math.feld.cvut.cz/pub/olsak/linal/ Petr Olšák Výcuc z textu Lineární algebra určeno pro promítání na přednášce Úvod do algebry http://www.olsak.net/linal.html ftp://math.feld.cvut.cz/pub/olsak/linal/ http://math.feld.cvut.cz/skripta/ua/

Více

z textu Lineární algebra

z textu Lineární algebra 2 Úvodní poznámky Petr Olšák Výcuc z textu Lineární algebra určeno pro promítání na přednášce Úvod do algebry http://www.olsak.net/linal.html ftp://math.feld.cvut.cz/pub/olsak/linal/ http://math.feld.cvut.cz/skripta/ua/

Více

POŽADAVKY K SOUBORNÉ ZKOUŠCE Z MATEMATIKY

POŽADAVKY K SOUBORNÉ ZKOUŠCE Z MATEMATIKY POŽADAVKY K SOUBORNÉ ZKOUŠCE Z MATEMATIKY Bakalářský studijní program B1101 (studijní obory - Aplikovaná matematika, Matematické metody v ekonomice, Aplikovaná matematika pro řešení krizových situací)

Více

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice Vektorové podprostory K množina reálných nebo komplexních čísel, U vektorový prostor nad K. Lineární kombinace vektorů u 1, u 2,...,u

Více

Státní závěrečná zkouška z oboru Matematika a její použití v přírodních vědách

Státní závěrečná zkouška z oboru Matematika a její použití v přírodních vědách Státní závěrečná zkouška z oboru Matematika a její použití v přírodních vědách Ústní zkouška z oboru Náročnost zkoušky je podtržena její ústní formou a komisionálním charakterem. Předmětem bakalářské zkoušky

Více

Pavel Klavík. Katedra aplikované matematiky, Matematicko-fyzikální fakulta, Univerzita Karlova v Praze

Pavel Klavík. Katedra aplikované matematiky, Matematicko-fyzikální fakulta, Univerzita Karlova v Praze Katedra aplikované matematiky, Matematicko-fyzikální fakulta, Univerzita Karlova v Praze Historie Motto Budeme se zabývat specifickými problémy, které se objevují při řešení soustav lineárních rovnic na

Více

Cvičení 5 - Inverzní matice

Cvičení 5 - Inverzní matice Cvičení 5 - Inverzní matice Pojem Inverzní matice Buď A R n n. A je inverzní maticí k A, pokud platí, AA = A A = I n. Matice A, pokud existuje, je jednoznačná. A stačí nám jen jedna rovnost, aby platilo,

Více

Necht L je lineární prostor nad R. Operaci : L L R nazýváme

Necht L je lineární prostor nad R. Operaci : L L R nazýváme Skalární součin axiomatická definice odvození velikosti vektorů a úhlu mezi vektory geometrická interpretace ortogonalita vlastnosti ortonormálních bázi [1] Definice skalárního součinu Necht L je lineární

Více

Soustavy lineárních rovnic

Soustavy lineárních rovnic Soustavy lineárních rovnic Základy vyšší matematiky LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipĺıny společného

Více

Vektorový prostor. Př.1. R 2 ; R 3 ; R n Dvě operace v R n : u + v = (u 1 + v 1,...u n + v n ), V (E 3 )...množina vektorů v E 3,

Vektorový prostor. Př.1. R 2 ; R 3 ; R n Dvě operace v R n : u + v = (u 1 + v 1,...u n + v n ), V (E 3 )...množina vektorů v E 3, Vektorový prostor Příklady: Př.1. R 2 ; R 3 ; R n...aritmetický n-rozměrný prostor Dvě operace v R n : součet vektorů u = (u 1,...u n ) a v = (v 1,...v n ) je vektor u + v = (u 1 + v 1,...u n + v n ),

Více

a + b + c = 2 b + c = 1 a b = a 1 2a 1 + a a 3 + a 5 + 2a 2 + a 2 + a

a + b + c = 2 b + c = 1 a b = a 1 2a 1 + a a 3 + a 5 + 2a 2 + a 2 + a Zadání A. 1. Polynom P (x) má v uspořádané bázi (x 2 + x 1, 2x 2 x 1, x 2 + x + 2) souřadnice (1, 1, 1). Najděte jeho souřadnice vzhledem k uspořádané bázi (x 2 1, x 2 + x 1, x 2 + x). Nejprve si spočítáme

Více

Soustavy nelineárních rovnic pomocí systému Maple. Newtonova metoda.

Soustavy nelineárních rovnic pomocí systému Maple. Newtonova metoda. Úvod Soustavy nelineárních rovnic pomocí systému Maple. Newtonova metoda. Mnoho technických problémů vede na řešení matematických úloh, které se následně převedou na úlohy řešení soustav nelineárních rovnic

Více

9 Kolmost vektorových podprostorů

9 Kolmost vektorových podprostorů 9 Kolmost vektorových podprostorů Od kolmosti dvou vektorů nyní přejdeme ke kolmosti dvou vektorových podprostorů. Budeme se zabývat otázkou, kdy jsou dva vektorové podprostory na sebe kolmé a jak to poznáme.

Více

Lineární algebra. Matice, operace s maticemi

Lineární algebra. Matice, operace s maticemi Lineární algebra Matice, operace s maticemi Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky a managementu Registrační číslo

Více

α 1 α 2 + α 3 = 0 2α 1 + α 2 + α 3 = 0

α 1 α 2 + α 3 = 0 2α 1 + α 2 + α 3 = 0 Vzhledem k tomu, že jsem to psala ve velkém spěchu, mohou se vyskytnout nějaké chybičky. Pokud nějaké najdu, opravím je hned po prázdninách. Zadání A. 1. Vektory u, v, w jsou lineárně nezávislé. Rozhodněte,

Více

Numerické metody I. Jaro Normy vektorů a matic 1. 2 Nelineární rovnice Metoda bisekce (půlení intervalu) Iterační metody...

Numerické metody I. Jaro Normy vektorů a matic 1. 2 Nelineární rovnice Metoda bisekce (půlení intervalu) Iterační metody... Poznámky k přednášce 1 Numerické metody I Jaro 2010 Tomáš Řiháček Obsah 1 Normy vektorů a matic 1 2 Nelineární rovnice 3 2.1 Metoda bisekce (půlení intervalu).............................. 3 2.2 Iterační

Více

Uspořádanou n-tici reálných čísel nazveme aritmetický vektor (vektor), ā = (a 1, a 2,..., a n ). Čísla a 1, a 2,..., a n se nazývají složky vektoru

Uspořádanou n-tici reálných čísel nazveme aritmetický vektor (vektor), ā = (a 1, a 2,..., a n ). Čísla a 1, a 2,..., a n se nazývají složky vektoru 1 1. Lineární algebra 1.1. Lineární závislost a nezávislost vektorů. Hodnost matice Aritmetické vektory Uspořádanou n-tici reálných čísel nazveme aritmetický vektor (vektor), ā = (a 1, a 2,..., a n ).

Více

3 Lineární kombinace vektorů. Lineární závislost a nezávislost

3 Lineární kombinace vektorů. Lineární závislost a nezávislost 3 Lineární kombinace vektorů. Lineární závislost a nezávislost vektorů. Obrázek 5: Vektor w je lineární kombinací vektorů u a v. Vektory u, v a w jsou lineárně závislé. Obrázek 6: Vektor q je lineární

Více

Matematika 3. Úloha 1. Úloha 2. Úloha 3

Matematika 3. Úloha 1. Úloha 2. Úloha 3 Matematika 3 Úloha 1 Co lze říci o funkci imaginární část komplexního čísla která každému komplexnímu číslu q přiřazuje číslo Im(q)? a. Je to funkce mnohoznačná. b. Je to reálná funkce komplexní proměnné.

Více

ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ

ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ Parametrické vyjádření přímky v rovině Máme přímku p v rovině určenou body A, B. Sestrojíme vektor u = B A. Pro bod B tím pádem platí: B = A + u. Je zřejmé,

Více

Libovolnou z probraných metod najděte s přesností na 3 desetinná místa kladný kořen rovnice. sin x + x 2 2 = 0.

Libovolnou z probraných metod najděte s přesností na 3 desetinná místa kladný kořen rovnice. sin x + x 2 2 = 0. A 9 vzorové řešení Př. 1. Libovolnou z probraných metod najděte s přesností na 3 desetinná místa kladný kořen rovnice Počítejte v radiánech, ne ve stupních! sin x + x 2 2 = 0. Rovnici lze upravit na sin

Více

y 10 20 Obrázek 1.26: Průměrová rovina válcové plochy

y 10 20 Obrázek 1.26: Průměrová rovina válcové plochy 36 KAPITOLA 1. KVADRIKY JAKO PLOCHY 2. STUPNĚ 2 1 2 1 1 y 1 2 Obráek 1.26: Průměrová rovina válcové plochy Věta: Je-li definována průměrová rovina sdružená s asymptotickým směrem, potom je s tímto směrem

Více

DIPLOMOVÁ PRÁCE. Vlastní čísla matic

DIPLOMOVÁ PRÁCE. Vlastní čísla matic UNIVERZITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY DIPLOMOVÁ PRÁCE Vlastní čísla matic Vedoucí diplomové práce: RNDr. Jitka Machalová, Ph.D. Rok odevzdání:

Více

Lineární algebra Operace s vektory a maticemi

Lineární algebra Operace s vektory a maticemi Lineární algebra Operace s vektory a maticemi Robert Mařík 26. září 2008 Obsah Operace s řádkovými vektory..................... 3 Operace se sloupcovými vektory................... 12 Matice..................................

Více

Numerické metody. Vratislava Mošová

Numerické metody. Vratislava Mošová Numerické metody Vratislava Mošová 1 Předmluva S rozvojem počítačů vzrostl význam numerických metod. Řada výpočetních postupů, které sem řadíme, vznikla sice už dávno předtím, ale teprve nástup výpočetní

Více

Necht tedy máme přirozená čísla n, k pod pojmem systém lineárních rovnic rozumíme rovnice ve tvaru

Necht tedy máme přirozená čísla n, k pod pojmem systém lineárních rovnic rozumíme rovnice ve tvaru 2. Systémy lineárních rovnic V této kapitole se budeme zabývat soustavami lineárních rovnic s koeficienty z pole reálných případně komplexních čísel. Uvádíme podmínku pro existenci řešení systému lineárních

Více

Rovinné přetvoření. Posunutí (translace) TEORIE K M2A+ULA

Rovinné přetvoření. Posunutí (translace) TEORIE K M2A+ULA Rovinné přetvoření Rovinné přetvoření, neboli, jak se také často nazývá, geometrická transformace je vlastně lineární zobrazení v prostoru s nějakou soustavou souřadnic. Jde v něm o přepočet souřadnic

Více

IB112 Základy matematiky

IB112 Základy matematiky IB112 Základy matematiky Řešení soustavy lineárních rovnic, matice, vektory Jan Strejček IB112 Základy matematiky: Řešení soustavy lineárních rovnic, matice, vektory 2/53 Obsah Soustava lineárních rovnic

Více

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A1. Cvičení, zimní semestr. Samostatné výstupy. Jan Šafařík

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A1. Cvičení, zimní semestr. Samostatné výstupy. Jan Šafařík Vysoké učení technické v Brně Stavební fakulta ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE Matematika 0A1 Cvičení, zimní semestr Samostatné výstupy Jan Šafařík Brno c 2003 Obsah 1. Výstup č.1 2 2. Výstup

Více

1 Soustavy lineárních rovnic

1 Soustavy lineárních rovnic 1 Soustavy lineárních rovnic 1.1 Základní pojmy Budeme uvažovat soustavu m lineárních rovnic o n neznámých s koeficienty z tělesa T (potom hovoříme o soustavě m lineárních rovnic o n neznámých nad tělesem

Více